正则表达试学习

1. 字符数组 []

正则	待匹配字符	匹配结果	说明
[0123456789]	8	True	在一个字符组里枚举合法的所有字符，字里的任意一个字符和"待匹配字符"相同都视为可以匹配
[0123456789]	a	False	由于字符组中没有"a"字符，所以不能匹配
[[0-9]	7	True	也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]	s	True	同样的如果要匹配所有的小写字母，直接用[a-z]就可以表示
[A-Z]	B	True	[A-Z]就表示所有的大写字母
[0-9a-fA-F]	e	True	可以匹配数字，大小写形式的a～f，用来验证十六进制字符

2.元字符

元字符	匹配内容
\d	匹配数字
\w	匹配字母或数字或下划线
\s	匹配任意的空白符
\D	匹配非数字
\W	匹配非字母或数字或下划线
\S	匹配非空白符
注意，上面6字符	刚好两两相反,为了方便记忆
\b	匹配一个单词的结尾
\n	匹配一个换行符
\t	匹配一个制表符
.	匹配除换行符以外的任意字符
^	匹配字符串的开始
$	匹配字符串的结尾
a	b	匹配字符a或字符b
()	匹配括号内的表达式，也表示一个组
[...]	匹配字符组中的字符
[^...]	匹配除了字符组中字符的所有字符

3.量词

量词	用法说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

一些总结

62A014543E3089429726E418D75BDA81.png

下面是一些例子
字符串 匹配
findall

ret = re.findall('\d+','19874ashfk01248')
print(ret)  # 参数 返回值类型:列表 返回值个数:1 返回值内容:所有匹配上的项
ret1 = re.findall('\s+','19874ash   fk01248  ')
print(ret1)

search

ret2 = re.search('^\d+','@19874ashfk01248')
print(ret2) #  返回值类型: 正则匹配结果的对象  返回值个数:1 如果匹配上了就返回对象
if ret2:print(ret2.group()) # 返回的对象通过group来获取匹配到的第一个结果
ret3 = re.search('\s+','19874ashfk01248')
print(ret3) #  返回值类型: None   如果没有匹配上就是None

match

ret4 = re.match('\d+','19874ashfk01248')
print(ret4.group())
ret5 = re.match('%\d+','%19874ashfk01248')
print(ret5.group())

match 相当于 search 在正侧前边加^, 所以下面就比配不到了

ret2 = re.search('^\d+','@19874ashfk01248')
print(ret2)

sub 意思是替换 ，跟replace 差不多一样

print('replace789,24utdeedeeeeshf'.replace('e','H',3)) #  意思是匹配3个替换掉
ret = re.sub('\d+','H','replace789nbc2xcz392zx')
print(ret)
ret = re.sub('\d+','H','replace789nbc2xcz392zx,48495',3) # 意思是匹配1个替换掉
print(ret)

subn
** subn 比 sub 结果多了统计比配多少个字

ret = re.subn('\d+','H','replace789nbc2xcz392zx')
print(ret)
('replaceHnbcHxczHzx', 3)  #subn  比 sub 结果多了统计比配多少个字符

切割

split

print('alex|83|'.split('|'))
ret = re.split('\d+','alex83egon20taibai40')
print(ret)

在括号里取消优先显示是多加?:

# 实例：
edit_name = re.findall(r'(?:\d+?).+(?:\d+?) ',fl_name)

分组命名

ret = re.search("<(?P<name>\w+)>\w+</(?P=name)>","<h1>hello</h1>")
print(ret.group('name'))  #结果 ：h1
# print(ret.group())  #结果 ：<h1>hello</h1>

ret = re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>")
print(ret.group(1))
# print(ret.group())  #结果 ：<h1>hello</h1>

ret = re.search(r'<(?P<tag>\w+)>(?P<c>\w+)</(\w+)>',r'<a>wahaha</b>')
print(ret.group())
print(ret.group('tag'))
print(ret.group('c'))

进阶方法 - 爬虫\自动化开发

compile ***** 时间效率

re.findall('-0\.\d+|-[1-9]+(\.\d+)?','alex83egon20taibai40')  #--> python解释器能理解的代码 --> 执行代码
ret = re.compile('-0\.\d+|-[1-9]\d+(\.\d+)?')
res = ret.search('alex83egon-20taibai-40')
print(res.group())

节省时间 : 只有在多次使用某一个相同的正则表达式的时候,这个compile才会帮助我们提高程序的效率

finditer ***** 空间效率

print(re.findall('\d','sjkhkdy982ufejwsh02yu93jfpwcmc'))
# ['9', '8', '2', '0', '2', '9', '3']
ret = re.finditer('\d','sjkhkdy982ufejwsh02yu93jfpwcmc')
for r in ret:
    print(r.group())
# 结果:
# 9
# 8
# 2
# 0
# 2
# 9
# 3